图片来源：A.MAHARANA, E. OKANYENE NSOESIE, JAMA NETWORK OPEN

　　一些公共卫生问题是如此严重，以至于你能从太空看见它们。一项最新研究显示，人工智能可利用卫星图像估测一个地区的肥胖水平，甚至无须看见超重人群。相反，它依赖于诸如建筑物和树木的分布等线索。

　　知道某个街区超重成年人的比例能帮助采取更有针对性的干预措施，比如健康饮食活动。不过，收集此类统计数据往往需要广泛的调查或者实地探访。

　　为寻找更好的办法，研究人员下载了4个城市的普查区（基本上是街区）的近15万幅谷歌地图卫星图像。这4个城市分别是美国加州的洛杉矶、田纳西州的孟菲斯、得克萨斯州的圣安东尼奥以及华盛顿州的西雅图。随后，他们将这些图像输入一个神经网络—— 一种在大量数据中发现模式的算法。该网络帮助研究人员聚焦这些图像的最重要特征，比如绿色地区（对应的是树木和草地）、灰色条块（对应的是道路）或者白色矩形（对应的是建筑物）的数量。随后，该团队利用另一种算法，寻找这些满是滴状斑点的视觉特征和肥胖率之间的关联。

　　最终，和单独利用诸如体育馆和餐馆数量等可获得的统计数据相比，研究人员利用上述办法能更好地估测出一个地区的肥胖率。他们在日前出版的《美国医学会杂志网络开放》上报告了这一成果。街区特征还同人均收入相对应，表明它们或能被用于估测肥胖。部分原因在于财富影响一个人的体重和生活区域。

　　论文提出，评估一个地区的肥胖率或能帮助城市规划者决定需要鼓励哪些人更加积极地参与锻炼或者在哪些地方让健康的餐饮店变得更加流行。尽管卫星数据无法完全替代诸如调查等更加传统的公共卫生措施，但作为一种补充，其成本更低并且更快速。

　　相关论文信息：DOI:10.1001/JAMANETWORKOPEN.2018.1535, (2018)